KI-System kann SARS-CoV-2 auf CT-Scans erkennen
Zur Erkennung des Coronavirus SARS-CoV-2 gibt es neben den weltweit eingesetzten PCR- oder Antigen-Tests noch weitere Diagnosemöglichkeiten: Die Erkrankung lässt sich auch anhand von Computertomografie-Scans nachweisen – wozu auch künstliche Intelligenz eingesetzt werden kann. Ein KI-System könne nicht nur die CT-Scans von COVID-19-Patientinnen und -Patienten aus einem Datensatz herausfiltern, sondern zudem einschätzen, welche Bildbereiche besonders auffällig sind. In einem neuen Forschungsvorhaben haben Prof. Dr.-Ing. Daniel Sonntag, Leiter des Forschungsbereichs Interaktives Maschinelles Lernen (IML) des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI), und Wissenschaftler Duy Nguyen gemeinsam mit Forschern/-innen der Dublin City University (Irland), der University of California, Berkeley (USA), der VNUHCM-University of Science (Vietnam) und des Max-Planck-Instituts für Informatik einen neuen Prototyp zur automatischen Erkennung von SARS-CoV-2-Infektionen auf CT-Scans entwickelt.
Trefferquote von 92 Prozent
In einem gemeinsamen Paper, bei dem Duy Nguyen Erstautor ist und das im Rahmen des „Trustworthy AI for Healthcare“-Workshops der 35. AAAI Conference on Artificial Intelligence vorgestellt wird, präsentieren die Forscher/-innen einen Ansatz, um die Diagnose durch das Zusammenführen verschiedener Datenquellen zu verbessern und Fehler zu minimieren. In Testverfahren mit Forschungsdaten erreichte die Methode eine Trefferquote von 92 Prozent – nach aktuellem Stand eines der weltweit besten Ergebnisse in der automatischen Bilderkennung von Infektionen mit SARS-CoV-2 auf einem CT-Scan-Datensatz. Das Besondere an dem Verfahren sei, dass es Ärztinnen und Ärzten visuell darstelle, worauf die Diagnose basiert.
Diagnosen beschleunigen, präzisieren und nachvollziehbarer machen
Die hinterlegte Abbildung zeige den CT-Scan einer Lunge (links), der durch das Verfahren der automatischen Bilderkennung analysiert wird. Zudem können Patientinnen und Patienten durch eine sogenannte Milchglastrübung (Mitte) auf akute und chronische Krankheiten untersucht werden. Auf einer sogenannten Heatmap (rechts) markiere das KI-System schließlich den Bereich, auf dem die Entscheidung basiert. Die visuelle Erklärung des Assistenzsystems habe zum Ziel, die Diagnose nachvollziehbarer zu machen und Medizinerinnen und Medizinern wichtige Einsichten zu liefern: Die automatische Bilderkennung mit hoher Präzision helfe, die Infektion einzuschätzen und die Behandlung zu planen. Gerade bei Engpässen in der medizinischen Versorgung könne diese Entscheidungshilfe ein bedeutender Vorteil ein, so die Wissenschaftler.
Ho Minh Duy Nguyen, Duy M. Nguyen, Huong Vu, Binh T. Nguyen, Fabrizio Nunnari, Daniel Sonntag: An Attention Mechanism using Multiple Knowledge Sources for COVID-19 Detection from CT Images.
Quelle: idw/DKFI
Artikel teilen